Electroforming on Additively Manufactured Mandrels
Notice bibliographique
Résumé
Manufacturing industry faces recently a new challenge. Production of parts require, for various reasons, more and more low batch size production, sometimes even batch size one. Not only the batch size is reduced, but a given design has to be produced in lower on lower number too. If previously only prototyping required batch size one prodcution, the new trend of mass personalization requires it as well. Manufacturing technologies developed over the past decades are able to produce cost effectively very complex products in high series. Low batch series production is often not possible or very costly. Additive manufacturing is a promising answer to this challenge. Additive manufacturing equipment represent however, in case of metal printing, very high investment costs and usually significant post-processing after printing is needed. An alternative way to create complex 3D printed parts in low volumes could be to use electroforming. Electroforming is commonly used to form parts on a model or, as termed in industry, a mandrel. Using additive manufacturing to create this mandrel could be a viable and cost-efficient solution. Since electroforming require less energy and less expensive equipment, it can be potentially used to create precise 3D structures. In order to create a 3D shape using electroforming. Electroforming has its own challenges. As the thickness of the electroforming increases, voids build up and create a rough, uneven surface that has undesirable physical properties. The mass transfer at the micro-scale also changes the contribution of migration, diffusion and convection phenomena due to the scaling effect [1]. In order to produce complex and micro-scale features with acceptable quality, profile and characteristics, this paper discusses some significant factors and several methods for the improvement. By applying appropriate potential and rotation on the mandrel during the electroforming process, deposition thickness ranging from few to several 100 microns with very low surface roughness (few microns Ra) could be achieved. The deposit thickness was very consistent too (less than 1% variation of the complete part). The homogeneity of the thickness was further investigated for various geometries to determine the limitations of the methodology. [1] Angel, K., Tsang, H. H., Bedair, S. S., Smith, G. L., & Lazarus, N. (2018). Selective electroplating of 3D printed parts. Additive Manufacturing, 20, 164–172. doi: 10.1016/j.addma.2018.01.006
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».